圖像處理車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)報(bào)告書(shū)(存儲(chǔ)版)
【正文】 割： 傳統(tǒng)的字符分割方法有投影法、模板匹配法、聚類(lèi)分析法。%計(jì)算 I1 各維的大小 Se=strel(39。 Se=strel(39。horizontal39。 c=j。 plot(Y1,0:y1),title(39。 Py1=fix(y/2)+1。%將二值圖像上下邊框去除 figure(3)。 plot(0:x1,X1),title(39。 for i=1:5 while (i~=5) while ((X1(1,x1)=15)amp。(i4)) x1=x1+1。(x01)amp。 再次計(jì)算列方向的像素，用來(lái)去除車(chē)牌上的圓點(diǎn) 代碼： [y,x,z]=size(Z2)。 end end figure(6)。amp。((a/y)=))) Px1=Px1+1。 subplot(1,7,i)。.jpg39。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識(shí)別。以下分別是粵和 A 字符模板： 20 對(duì)分割字符進(jìn)行匹配 程序代碼（最終返回識(shí)別的車(chē)牌號(hào)）： function [CarNum ] = recognition () codes=char([39。 39。 l=1。nearest39。 即 I=3 kmin=1。Color39。 %調(diào)用 getFromLib 遍歷文件夾找出同一字符最佳的模板 maxSame=getFromLib(path,SegBw2)。l39。 22 %調(diào)用 getFromLib 遍歷文件夾找出同一字符最佳的模板 maxSame=getFromLib(path,SegBw2)。/39。 % 記錄下字符與模板相同的點(diǎn)個(gè)數(shù) sumDots=sum(sameDots(:))。 車(chē)牌識(shí)別 ：對(duì)每個(gè)分割出來(lái)的字符進(jìn)行識(shí)別，并文本輸出來(lái)。如圖五 圖四 圖五 27 四、 設(shè)計(jì)結(jié)果分析 從上面結(jié)果看車(chē)牌識(shí)別成功，但有一些車(chē)牌會(huì)識(shí)別出錯(cuò)，所以在車(chē)牌識(shí)別過(guò)程中，數(shù)據(jù)庫(kù)的建立很重要。還有就是知識(shí)必須通過(guò)應(yīng)用才能實(shí)現(xiàn)其價(jià)值！有些東西以為學(xué)會(huì)了，但和真正應(yīng)用起來(lái)是完全不同的，就如這次的車(chē)牌識(shí)別，想著利用常規(guī)車(chē)牌的大小定位車(chē)牌，但是真正實(shí)現(xiàn)起來(lái)是很難的，所以知識(shí)只有真正會(huì)用的時(shí)候才是真的學(xué)會(huì)了。通過(guò)這次課程設(shè)計(jì)，感悟最深的是學(xué)習(xí)不能只是埋頭苦讀，而是要合理利用資源，老 28 師的建議，網(wǎng)上的資料等等。 添加字符模板 ：當(dāng)你 選擇好“選擇添加模板的位置”和“選擇要添加的模板”后，就可以按這個(gè)按鈕確認(rèn)了。 車(chē)牌定位 ：內(nèi)部進(jìn)行定位函數(shù)對(duì)車(chē)牌進(jìn)行定位，并在原圖上用黃線圈出車(chē)牌相應(yīng)的位置。 end subImg=carNumfilebw。])。template/39。i~=find(codes=39。template/39。第三步： 識(shí)別結(jié)果為 : 39。 kmax=36。])。AZ 分別為 1136。:39。 為了提高識(shí)別的準(zhǔn)確率，本系統(tǒng)的為每個(gè)字符都建立一 個(gè)模板庫(kù)，并且可以動(dòng)態(tài)添加字符到模板庫(kù)，隨著字符模板的增加，識(shí)別率也隨之提高。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝亮度、車(chē)輛速度等等因素的影響。imgAfterSplit/39。%將二值化圖像分割后顯示出來(lái) 變換為標(biāo)準(zhǔn)子圖 Z4=imresize(Z3,[40 20])。(Px1x))||((Px1x)amp。 y=fix(x*90/409)。 x2=fix(x*128/409)。將二值圖像垂直邊框去除后圖像 39。 while ((X1(1,x0)5)amp。(x1x)amp。)。 for j=1:x for i=1:y if(Z1(i,j,1)==1) X1(1,j)= X1(1,j)+1。(Py1y)) Py1=Py1+1。)。 for i=1:y for j=1:x if(I4(i,j,1)==1) Y1(i,1)= Y1(i,1)+1。 c=90。sobel39。開(kāi)運(yùn)算后圖像 39。%彩色圖像轉(zhuǎn)化為灰度圖像 T=graythresh(I1)。imgAfterLocation/39。(roughXcol)) roughX=roughX+1。 roughX=maxIndex。 roughY=maxIndex。 colArray=zeros(row,1)。1。 graynew=imfill(graynew,39。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。% 0. hsi(i, j,2)=0。 if x2021||y2021 img=img(1:2:end,1:2:end,:)。 字符識(shí)別的研究。在研究的同時(shí)對(duì)其中出現(xiàn)的問(wèn)題進(jìn)行了具體分析、處理。隨著 ITS(智能交通系統(tǒng) )的高速發(fā)展，對(duì)車(chē)牌識(shí)別技術(shù)的研究也隨之發(fā)展。 圖 1 牌照識(shí)別系統(tǒng)原理圖 主要研究?jī)?nèi)容如下： 輸入要處理圖像 預(yù)處理 車(chē)牌定位 字符分割 字符特征提取 單字符識(shí)別 3 車(chē)牌的定位研究。但由于該系統(tǒng)的攝像部分工
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1